авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |   ...   | 7 |

«ПРОГРАММНЫЕ СРЕДСТВА И МАТЕМАТИЧЕСКИЕ ОСНОВЫ ИНФОРМАТИКИ Серия “КОНСТРУИРОВАНИЕ И ОПТИМИЗАЦИЯ ПРОГРАММ” ...»

-- [ Страница 3 ] --

Такие индивидуальные характеристики пользователя, как уровень под готовки или опыт, обычно моделируются стереотипной моделью пользова теля (MetaDoc, Anatom-Tutor, EPIAIM, C-Book). Стереотип может быть сте реотипом опыта [78], [89] или стереотипом уровня подготовки для таких категорий, как профессия [39], перспектива [9] или родной язык.

3.4. Предпочтения пользователя Важной характеристикой пользователя, рассматриваемой системами адаптивной гипермедиа, является набор (система) предпочтений пользова теля. По различным причинам пользователь может предпочитать одни уз лы, ссылки и части страниц гипермедиа другим. Эти предпочтения могут быть абсолютными (Hypadapter, Information Islands) или относительными, т. е. зависящими от текущего узла, цели (PUSH, HYPERFLEX) или текуще Касьянов В.Н., Касьянова Е.В. Дистанционное обучение го контекста вообще (WebWatcher, CID, DHS, Adaptive HyperMan). Пред почтения наиболее тяжело использовать в поисковой гипермедиа. В то же самое время, в наиболее адаптивных поисковых гипермедиа-системах пред почтения — единственная накапливаемая информация о пользователе.

Некоторые предпочтения, например, по отношению к шрифту, иллюст рациям, примерам не могут быть определены системой без ввода данных пользователем. Системы, которые отражают различные типы предпочтений, позволяют своим пользователям настраивать эти свойства. При этом пред полагается, что пользователь не склонен часто менять свои предпочтения.

3.5. Личностные характеристики пользователя Данная группа характеристик связана с определением пользователя как индивидуума. Примерами личностных характеристик являются персональ ные факторы (например, интроверт или экстраверт), когнитивные факто ры (например, скорость обучения) и стили обучения.

Подобно характеристикам пользовательской подготовки личностные ха рактеристики пользователя являются его стабильными чертами, которые либо совсем не могут быть изменены, либо для своего изменения требуют длительный период времени. Однако в отличие от характеристик подготов ки пользователя личностные характеристики как правило извлекаются не в процессе простого опроса, а с помощью специально разработанных психо логических тестов. Многие исследователи согласны с важностью использо вания для адаптации личностных характеристик пользователя, но пока сре ди них мало согласия в том, какие характеристики можно и нужно исполь зовать или как их использовать. В качестве примера можно привести ряд систем, в которых сделана попытка адаптации к стилю обучения [25, 29, 45, 87], отметив, что еще нет достаточной ясности в том, какие аспекты стиля обучения полезно моделировать и что можно сделать по-разному для поль зователей с разными стилями.

3.6. Адаптация к среде пользователя Поскольку пользователи одного и того же серверного Web-приложения могут находиться виртуально повсеместно и могут использовать различное оборудование, важной задачей становится адаптация к пользовательской среде. Имеется целый ряд систем, предлагающих некоторые технологии для адаптации как к местонахождению пользователя, так и к его платформе.

Простая адаптация к платформе (оборудование, программное обеспечение, пропускная способность сети) обычно включает выбор типа представления 92 Программные средства и математические основы информатики содержимого: материал или медиа (т.е. неподвижная картинка против роли ка) [58]. Более продвинутые технологии могут обеспечить существенно бо лее разный интерфейс для пользователей с разными платформами и даже использовать платформные ограничения для получения преимуществ от моделирования пользователя. Например, одна из версий системы AIS тре бует, чтобы пользователь явно запрашивал следующие страницы истории в новостях, посылая сообщения системе о том, какая история представляет интерес.

4. ЧТО АДАПТИРУЕТСЯ В СИСТЕМАХ WEB-ОБУЧЕНИЯ?

Сетевые обучающие системы успешно объединяют технологии адапта ции, используемые в интеллектуальных обучающих системах и адаптивных гипермедиа-системах.

Целью различных интеллектуальных обучающих систем является ис пользование знаний о сфере обучения, обучаемом и о стратегиях обучения для обеспечения гибкого индивидуализированного изучения и обучения.

Для достижения этого ими традиционно используются следующие основ ные технологии (см., например, в [17]): построение последовательности курса обучения, интеллектуальный анализ ответов обучаемого и интерак тивная поддержка в решении задач. Все эти три технологии можно рассмат ривать технологиями интеллектуальной адаптации сетевых обучающих сис тем. К группе технологий интеллектуальных адаптаций сетевых обучающих систем следует отнести также технологию, получившую название подбора моделей обучаемых (или просто подбором моделей) [11]. Суть ее состоит в анализе и подборе модели для многих обучаемых одновременно, и поэтому она почти не имеют корней в несетевых (доинтернетовских) образователь ных системах, поскольку обычные адаптивные и интеллектуальные образо вательные системы работают с одним обучаемым (и одной моделью обу чаемого) за раз.

Что касается гипермедиа-систем, то в них область адаптации весьма ог раничена и существует не так уж много параметров, которые можно изме нять. С общей точки зрения гипермедиа-система состоит из набора узлов или гипердокументов (для краткости, будем называть их "страницами"), связанных ссылками. Каждая страница содержит некоторую локальную информацию и несколько ссылок на релевантные страницы. Системы ги пермедиа могут также содержать индексную структуру и глобальную карту, которые обеспечивают доступ по ссылкам ко всем возможным страницам.

Касьянов В.Н., Касьянова Е.В. Дистанционное обучение Поэтому адаптация в адаптивной гипермедиа может состоять в настройке содержания очередной страницы (адаптация на уровне содержания) или в изменении ссылок с очередной страницы, индексных страниц и страниц карт (адаптация на уровне ссылок). Поэтому различаются адаптации на уровне содержания и на уровне ссылок как два различных класса гиперме диа-адаптации, первый из которых называется адаптивным представлени ем (adaptive presentation), а второй — адаптивной поддержкой навигации (adaptive navigation support).

4.1. Выстраивание программы обучения Цель технологии выстраивания последовательности обучения (curriculum sequencing), также называемой технологией учебного планиро вания (instructional planning technology), — помочь обучаемому найти свой «оптимальный путь» через учебный материал. Для этого нужно обеспечить обучаемого наиболее подходящей, индивидуально спланированной после довательностью блоков знаний для изучения и последовательностью учеб ных заданий (примеров, вопросов, задач и т.д.) для их выполнения.

Различают два вида выстраивания: активный и пассивный. Активное выстраивание подразумевает наличие цели обучения (подмножество поня тий или тем, которыми надо овладеть). Системы с активной последователь ностью могут построить лучший индивидуальный путь для достижения це ли. Пассивное выстраивание (которое также называется корректировкой) является реактивационной технологией и не требует активной цели обуче ния. Она начинает действовать, когда пользователь не способен решить за дачу или ответить правильно на вопрос (вопросы). Ее цель — предложить пользователю подмножество доступного материала для изучения, которое может заполнить пробел в знаниях студента для разрешения непонимания.

В системах с активной последовательностью различают системы с жесткой и приспосабливаемой целью обучения. Большинство существующих систем могут провести своих студентов к фиксированной цели обучения — полно му множеству понятий сферы обучения. Несколько систем с приспосабли ваемой целью позволяют учителю или студенту выбирать подмножество всех понятий сферы обучения как текущую цель.

Разделяют два уровня выстраивания: высокий и низкий. Выстраивание высокого уровня (или выстраивание знаний) определяет следующую под цель для изучения: следующее понятие, набор понятий, тему или урок, ко торые необходимо выучить на следующем шаге. Выстраивание низкого уровня (или выстраивание заданий) определяет следующее учебное задание 94 Программные средства и математические основы информатики (задачу, пример, тест) внутри текущей подцели. Последовательности высо кого и низкого уровней часто исполняются различными механизмами. Во многих системах обучения только один из этих двух механизмов интеллек туальный, например, урок выбирает обучаемый, в то время как учебные задания внутри этого урока выбирает система. Некоторые системы могут управлять только порядком заданий конкретного вида: обычно задач или вопросов.

Активные выстраивания преобладают в существующих учебных систе мах. Только несколько систем (InterBook, PAT-InterBook, CALAT, VC Prolog Tutor, and Remedial Multimedia System) могут осуществлять пассив ные корректирующие выстраивания. Среди систем с активными выстраива ниями только единицы, такие как ELM-ART-II — и KBS-Hyperbook, спо собны осуществлять выстраивания как высокого, так и низкого уровней.

Большинство систем обучения поддерживает выстраивания с фиксирован ными целями (равнозначными полному курсу). Только несколько систем поддерживают приспосабливаемые цели изучения, позволяющие препода вателю (как в DCG) или обучаемому (как в InterBook и KBS Hyperbook) выбирать индивидуальную цель. Обучаемый может выбрать цель в виде подмножества понятий области обучения (InterBook) или проекта (KBS Hyperbook).

Активная последовательность в большинстве систем управляется зна ниями обучаемого (точнее разницей между знаниями обучаемого и гло бальной целью). Однако несколько систем и проектов экспериментируют с использованием предпочтений обучаемого в типе и способах представления доступного учебного материала для управления последовательностью зада ний внутри темы [25, 29].

4.2. Интеллектуальный анализ решений обучаемого Технология интеллектуального анализа решений обучаемого имеет дело с окончательными ответами студента на обучающие задания (которые мо гут колебаться от простых вопросов до сложных задач программирования) без разъяснения причин, по которым ответ был получен. В отличие от не интеллектуальных проверяющих программ, которые не могут сказать ниче го кроме того, что правильный ответ или нет, интеллектуальные анализато ры могут подсказать обучаемому, что именно неправильно или неполно и какие отсутствующие или неверные знания ответственны за ошибку.

Интеллектуальные анализаторы могут предоставлять обучаемому интен сивную обратную связь об ошибках и корректировать модель обучаемого.

Касьянов В.Н., Касьянова Е.В. Дистанционное обучение Классический пример из области обучения программированию — это сис тема PROUST. Интеллектуальный анализ решений — очень подходящая технология для медленных сетей. В рамках этой технологии необходимо только одно взаимодействие между браузером и сервером для принятия окончательного решения. Она может предоставлять интеллектуальную об ратную связь и выполнять моделирование студента, когда другие интерак тивные техники использовать затруднительно. В качестве примера укажем на две адаптивные обучающие Web-системы, которые реализуют интеллек туальный анализ решений обучаемого адаптивно в WWW (т.е. обучаемые с различными моделями могут получать различную обратную связь): интел лектуальную систему ELM-ART для обучения программированию на языке LISP [22] и интеллектуальную системы WITS для обучения дифференци альному исчислению [75].

4.3. Поддержка в решении задач В течение многих лет поддержка в решении задач рассматривалась глав ной обязанностью интеллектуальных обучающих систем и их основным достоинством. Интеллектуальные обучающие системы используют три тех нологии поддержки в решении задач: интеллектуальный анализ решений обучаемого, интерактивная поддержка в решении задач и поддержка в ре шении задач на примерах. Все эти технологии позволяют помочь студенту в процессе решения учебной задачи, но делают они это разными способами.

Интеллектуальный анализ решений обучаемого имеет дело с конечными ответами обучаемого на учебные задачи (как были получены эти ответы неважно). Чтобы считаться интеллектуальным, анализатор решений должен не только уметь оценить правильность решения, но и найти, что в решении конкретно неправильно или неполно, и, возможно, определить, какие не достающие или неправильные знания могут быть ответственны за ошибку (последнее действие относится к определению знаний). Интеллектуальные анализаторы могут предоставлять обучаемым далеко идущую обратную связь и обновлять модель обучаемого. Классическим примером считается система PROUST.

Интерактивная поддержка в решении задач более современная и более мощная технология. Вместо ожидания конечного решения эта технология предоставляет обучаемому интеллектуальную помощь на каждом шаге ре шения задачи. Уровень помощи может быть разным: от оповещения о не правильно сделанном шаге до выдачи совета и выполнения следующего шага за студента. Системы (часто называемые интерактивными тренаже 96 Программные средства и математические основы информатики рами), в которых реализуется эта технология, могут наблюдать за дейст виями студента, понимать их и использовать их понимание для предостав ления помощи и обновления модели обучаемого. Классический пример — это система LISP-TUTOR.

Технология поддержки в решении задач на примерах — самая новая.

Эта технология помогает обучаемым решать новые задачи, не выделяя их ошибки, а предлагая примеры успешного решения схожих задач из их более раннего опыта (это могут быть примеры, объясненные им, или задачи, ре шенные ими ранее). Пример — это система ELM-PE.

В области традиционных интеллектуальных обучающих систем техно логия поддержки в решении задач на примерах абсолютно преобладает.

Интерактивная поддержка в решении задач является главной целью почти всех интеллектуальных обучающих систем, в то время как интеллектуаль ный анализ решений обучаемого обычно, если и используется, то весьма несовершенен, а поддержка в решении задач на примерах вообще использу ется крайне редко. Но для сетевых адаптивных интеллектуальных систем ситуация меняется: и интеллектуальный анализ решений обучаемого, и поддержка в решении задач на примерах кажутся для них очень естествен ными и полезными. Обе технологии пассивны (работают по запросу обу чаемого) и соответственно могут быть относительно легко реализованы в сети при помощи интерфейса CGI. Более того, старые однопользователь ские программы адаптивных интеллектуальных обучающих систем, исполь зующие эти технологии, могут быть относительно легко размещены в сети реализацией CGI-шлюзов к ним. Неудивительно, что эти технологии были среди первых, реализованных для сетевых систем. Важным преимуществом применения этих двух технологий в сети является их низкая интерактив ность: им обеим обычно требуется только одно взаимодействие между браузером и сервером для цикла решения задачи. А это очень важно в слу чае медленной Интернет-связи. Эти технологии могут обеспечивать интел лектуальную поддержку в случае, когда трудно использовать более инте рактивные технологии. В настоящее время эти технологии преобладают в сетевой среде над более мощной, но жадной до взаимодействия интерак тивной поддержкой в решении задач.

Технология интерактивной поддержки в решении задач последней из технологий интеллектуальных обучающих систем переселилась в сеть.

Проблема в том, что подход к реализации сетевых обучающих систем «на спех» (разработка интерфейсов CGI к старым однопользовательским интел лектуальным обучающим системам), использовавшийся в первых системах, не проявил себя должным образом для этой технологии. Это можно проде Касьянов В.Н., Касьянова Е.В. Дистанционное обучение монстрировать на примере системы PAT-Online [82], которая вероятно была первой попыткой реализации интерактивной поддержки в решении задач в cети. Эта система использует основанный на разновидности CGI AppleScript интерфейс для однопользовательской системы Репетитор по практической алгебре (Practical Algebra Tutor — PAT). Поскольку интер фейс CGI пассивный, cетевая версия должна предоставлять обучаемому кнопку «подчинения» для получения обратной связи с системой. Естест венно это также добавляло еще одну особенность, которая была важна для обучаемых с медленным Интернет-соединением: возможность требования обратной связи после выполнения нескольких шагов решения задачи. В результате PAT-Online переместилась в категорию интеллектуальных ана лизаторов задач, точнее в подкатегорию анализаторов, способных анализи ровать неполные решения (ELM-ART также принадлежит к этой подкатего рии). Интеллектуальные анализаторы этой подкатегории можно располо жить между традиционными анализаторами и интерактивными репетитора ми.

Настоящий интерактивный репетитор должен быть не только интерак тивным, но и активным. Он не должен спать в промежутках от одного за проса к другому, а вместо этого он должен быть способен наблюдать, что делает обучаемый и немедленно реагировать на ошибки. Но это просто не может быть реализовано при помощи обычной интерактивности CGI на сервере и требует клиентской интерактивности, основанной на Java. Java обеспечивает надежное решение проблемы для cетевых интерактивных ре петиторов. Если быть более точным, то Java предлагает два различных ре шения. Одно состоит в том, что репетитор полностью реализован на Java.

Это может быть как апплет, работающий в браузере, так и приложение Java.

Другим решением является распространяемый клиент-серверный репети тор, в котором часть функций реализована на Java и работает на клиентской стороне, а другая часть работает на сервере. Части связаны через Интернет.

Хотя чистое Java-решение выглядит проще (всего лишь новый язык для создания адаптивных интеллектуальных обучающих систем), клиент серверная архитектура предлагает более привлекательный выбор для разви тия сетевых репетиторов. Это определенный выбор для размещения одно пользовательских интерактивных репетиторов в Сети. D3-WWW-Trainer [42] и AlgeBrain [7] показывают, как заново использовать интеллектуальные функции предшествующих однопользовательских репетиторов, заменяя их на серверные приложения и разрабатывая относительно слабых "безмозг лых" Java-клиентов, которые реализуют интерфейсные функции и связыва ются с интеллектуальным сервером. Такие событийные репетиторы, как 98 Программные средства и математические основы информатики ADIS [92] и ILESA [67], которые могут быть легко реализованы на чистой Java, в отличие от клиент-серверной архитектуры имеют такое преимущест во как централизованное построение модели обучаемого. В конечном итоге накладные расходы клиент-серверного подхода (необходимость иметь рас пространяемую систему) не такие большие, с тех пор как Java естественным образом поддерживает несколько способов клиент-серверной взаимосвя зи — HTTP/CGI, сокеты или RMI/CORBA. Считается, что клиент-серверная архитектура становится стандартом реализации сетевых интерактивных репетиторов и весьма популярным средством для реализации всех видов высоко интерактивных сетевых адаптивных интеллектуальных обучающих систем. Мы уже видим примеры ее использования: в реализации интерфей са, основанного на пере в WITS-II [55], и одушевленного педагогического агента Винсента в TEMAI [76].

4.4. Подбор моделей обучаемых Суть технологии подбора моделей обучаемых состоит в способности анализировать и подбирать модели для многих обучаемых одновременно. В обычных (несетевых) интеллектуальных образовательных системах она не работает, поскольку несетевая система обычно работает с одним обучаемым (и одной моделью обучаемого) при каждом ее применении. Иначе обстоит дело в случае сетевых систем, для которых возможность подбора моделей естественна, поскольку записи обучаемых хранятся централизованно на сервере (по крайней мере, в административных целях). Это обеспечивает отличную основу для развития различных адаптивных и интеллектуальных технологий, которые смогут как-то использовать подбор моделей для раз личных обучаемых.

Используются два вида подбора моделей обучаемых: адаптивная под держка сотрудничества и интеллектуальное наблюдение за классом. Эти виды полностью отличаются друг от друга и рассматриваются как различ ные технологии внутри группы подбора моделей обучаемых [11]. Целью адаптивной поддержки сотрудничества является использование знаний системы о разных обучаемых для подбора групп для различных видов со трудничества (см., например, [48], [54]). Интеллектуальное наблюдение за классом также основано на возможности сравнивать записи о разных обу чаемых, но вместо поиска совпадений ищутся различия. Цель сравнения — определение тех обучаемых, которые учатся существенно отличающимся образом от своих сокурсников. Эти обучаемые могут отличаться от осталь ных по-разному. Они, например, могут развиваться слишком быстро или Касьянов В.Н., Касьянова Е.В. Дистанционное обучение слишком медленно или просто осуществить доступ к гораздо меньшему материалу, чем остальные. В любом случае эти обучаемые нуждаются в большем внимании преподавателя, чем остальные, для того чтобы бросить вызов тем, кто может, дать больше объяснений тем, кто не может, а также подтолкнуть тех, кто мешкает. В обычной аудитории преподаватель может следить за посещаемостью и вниманием обучаемых, чтобы найти обучае мых, нуждающихся в особом внимании. В сетевой аудитории преподава тель в лучшем случае имеет только данные из журнала, из которых сложно сделать правильные выводы. В то же время необходимость распознавания небольшого подмножества обучаемых, нуждающихся в помощи больше, чем остальные, является весьма важной. В сетевой среде обучения на обще ние между преподавателем и обучаемыми обычно тратится больше време ни, чем в обычной аудитории, и отдаленный преподаватель может индиви дуально обратиться лишь к небольшому числу обучаемых. Система HyperClassroom представляет интересный пример использования нечетких механизмов для определения застоявшихся обучаемых в аудитории сетевой обучающей системы.

4.5. Адаптация на уровне содержания, цели адаптации Основная идея всех технологий адаптации на уровне содержания состо ит в том, чтобы адаптировать представление страницы, к которой обраща ется пользователь, к его текущему уровню знаний, целям и другим характе ристикам.

Адаптивное представление текста позволяет изменить текстовое со держание гипермедиа-страницы в зависимости от модели пользователя.

Например, за счет адаптации текста квалифицированный пользователь мо жет быть обеспечен более детальной и полной информацией, в то время как новичок может получать дополнительные объяснения.

В гипермедиа-системах страница может содержать не только текст, как в классических гипертекстовых системах, но и всевозможную мультимедиа информацию. Адаптация мультимедиа предполагает, что элементы муль тимедиа-содержания могут быть адаптированы к индивидуальному пользо вателю, но текущие реализации ограничены выбором средств;

в отличие от текста, содержание анимации, аудио- или видеофрагментов трудно адапти ровать.

Адаптация модальности — новая технология адаптации содержания высокого уровня [13]. Современные адаптивные гипермедиа-системы могут иметь выбор различных типов средств для представления информации 100 Программные средства и математические основы информатики пользователю, т. е. в дополнение к традиционному тексту может использо ваться музыка, видео, речь, анимация и т.д. Весьма часто фрагменты раз личных средств представления информации имеют то же самое содержание, и, следовательно, система может выбрать тот, который наиболее релевантен пользователю для данного узла. В других случаях эти фрагменты могут ис пользоваться параллельно, таким образом позволяя системе выбрать наибо лее релевантное подмножество элементов средств представления информа ции. В настоящее время можно идентифицировать несколько различных методов для адаптации модальности представления на основе предпочтений пользователя, способностей, стиля изучения и контекста работы в несколь ких видах адаптивных гипермедиа-систем.

В процесс адаптации на уровне содержания происходит «подгонка» со держания документа под конкретного пользователя, к примеру, за счет скрытия слишком специализированной информации или за счет вставки дополнительных объяснений.

Согласно [17] можно выделить следующие цели (методы) адаптации на уровне содержания.

1. Дополнительные объяснения. Только те части документа должны вы даваться пользователю, которые соответствуют его уровню знаний или его цели.

2. Предварительные объяснения. Цель — снабдить пользователя необ ходимой ему информацией для понимания документа. По модели пользова теля проверяются предварительные знания, требуемые для понимания со держания страницы. Если пользователь не обладает какими-то знаниями, соответствующая информация должна быть добавлена к странице.

3. Сравнительные объяснения. Идея сравнительных объяснений состоит в пояснении новых тем путем подчеркивания их связей с уже известными темами.

4. Варианты объяснений. Предоставляя различные объяснения для неко торых частей документа, мы можем выбрать те из них, которые максималь но подходят для данного пользователя. Этот подход является расширением метода предварительных объяснений.

5. Сортировка. Различные части документа сортируются в соответствии с их актуальностью для пользователя.

4.6. Технологии адаптации на уровне содержания Адаптация на уровне содержания требует хорошо разработанных техно логий для улучшения представления. Существующие системы, осуществ Касьянов В.Н., Касьянова Е.В. Дистанционное обучение ляющие адаптацию на уровне содержания, достигают этого путем обогаще ния своих документов мета-информацией о предварительных условиях или требуемых знаниях, результатах и т.д. Документы или их фрагменты, хра нящиеся в таких системах, должны включаться помногу раз, чтобы сделать возможными варианты объяснений.

Для достижения целей адаптации на уровне содержания используются следующие техники [17].

1. Условный текст (conditional text) предполагает, что вся информация о понятии разбивается на определенные текстовые куски. Для каждого из этих кусков определяется требуемый уровень знаний пользователя, при на личии которого производится его вывод.

Технология условного текста является технологией нижнего уровня, требующей от разработчика некоторой работы по «программированию» для установления всех требуемых условий. Выбирая соответствующие условия на уровне знаний текущего понятия и связанных с ним понятий, представ ленных в модели пользователя, можно реализовать все методы адаптации, перечисленные выше, за исключением сортировки. Простой пример — это скрытие частей текста с неподходящими объяснениями, если уровень зна ний пользователя текущего понятия достаточно хорош, или включение час ти текста со сравнительными объяснениями, если соответствующее сходное понятие уже известно.

2. Эластичный текст (stretchtext). Технология более высокого уровня, которая может также включать и выключать различные части текста в соот ветствии с уровнем знания пользователей, когда некоторые ключевые слова документа могут заменять более длинные описания или заменяться ими, если этого требует реальный уровень знаний пользователя. В обычном ги пертексте результатом активации ключевого слова является перемещение на другую страницу со связанным текстом. В эластичном тексте этот свя занный текст может просто заменять активизированное слово (или фразу с этим словом), расширяя текст текущей страницы. Если требуется, этот рас ширенный или «развернутый» текст может быть свернут обратно в слово.

Каждый узел — эластичная страница, которая может содержать много «свернутых» слов. Идея адаптивного эластичного представления состоит в том, чтобы представить требуемую страницу со всеми свернутыми расши рениями, нерелевантными для пользователя, и всеми развернутыми расши рениями, релевантными для пользователя.

Важная особенность данной адаптивной технологии в том, что она по зволяет и пользователю, и системе адаптировать содержание отдельной страницы и что она может принимать во внимание и знания, и предпочте 102 Программные средства и математические основы информатики ния пользователя. После произвольного представления эластичной страни цы, она может быть далее адаптирована пользователем, который может сворачивать или разворачивать соответствующие объяснения и подробно сти в соответствии со своими предпочтениями. Модель пользователя может обновляться в соответствии с демонстрируемыми пользователем предпоч тениями, чтобы гарантировать, что пользователь всегда будет видеть пред почитаемую комбинацию сокращенных и несокращенных частей. Напри мер, если пользователь свернул дополнительные объяснения отдельного понятия, они будут показываться свернутыми до тех пор, пока пользователь не изменит предпочтения.

3. Варианты страниц или фрагментов страниц — техники, позволяю щие реализовывать метод вариантного объяснения.

Варианты фрагмента (fragment variants) — более мелкомодульная реа лизация метода вариантного объяснения. Система хранит несколько вари антов объяснения каждого понятия (варианты фрагментов), и пользователь получает страницу, содержащую те варианты, которые соответствуют его знанию о представленных понятиях. Технологии вариантов страницы и ва риантов фрагмента могут быть скомбинированы, например, для обеспече ния адаптации и к подготовке, и к знанию пользователя. Текущий вариант страницы для конкретного узла выбирается согласно подготовке пользова теля. Эта страница затем может быть адаптирована: для каждого понятия, представленного на странице, система выбирает объяснение, которое наи более соответствует уровню знаний пользователя.

Варианты страницы (page variants) — наиболее простая технология адаптивного представления. При использовании этой технологии система хранит несколько вариантов страницы с различными представлениями ее содержания. Как правило, каждый вариант подготовлен для одного из воз можных стереотипов пользователя. При представлении страницы система выбирает вариант страницы согласно стереотипу пользователя.

4. Технология, основанная на фреймах, (frame-based technique) является наиболее мощной из всех технологий адаптации содержания. При исполь зовании этой технологии вся информация об отдельном понятии представ лена в форме фрейма. Слоты фрейма могут содержать несколько вариантов объяснения понятия, связи с другими фреймами, примерами и т.д. При ис пользовании технологии естественного языка страницы монтируются из маленьких информационных элементов подобно словам и частям предло жений. Используются специальные правила представления для решения того, какие слоты должны быть представлены конкретному пользователю и в каком порядке. Более точно, эти правила позволяют сделать выбор одной Касьянов В.Н., Касьянова Е.В. Дистанционное обучение из существующих схем представления (каждая схема — это упорядоченное подмножество слотов), которая и используется для представления понятия.

Могут применяться правила для вычисления «приоритета представления»

для каждого слота, и затем подмножество слотов с высоким приоритетом представляется в порядке уменьшения приоритета. В своих условных час тях эти правила могут ссылаться не только на уровень знаний пользовате лем представляемого понятия, но также и на любую характеристику, пред ставленную в модели пользователя. В частности, система может принимать во внимание подготовку пользователя.

Технология, основанная на фреймах, может использоваться для реали зации всех методов, упомянутых выше. Методы предварительных и сравни тельных объяснений могут быть реализованы с фреймовой технологией, при этом соответствующие условия ставятся на уровне знаний связанных понятий.

4.7. Адаптация на уровне ссылок: цели адаптации навигации Используя адаптацию на уровне ссылок, можно персонализовать воз можности навигации пользователя по гипермедиа-системе с учетом целей, знаний и других характеристик индивидуального пользователя. Техники адаптации на уровне ссылок приведены, к примеру, в [17];

они зависят от конкретной системы. В них предположения системы о пользователе играют важную роль для определения того, что и как адаптировать.

Адаптация на уровне ссылок ограничивает количество ссылок и, следо вательно, объем навигационных возможностей. Она полезна для исключе ния ситуации «затерянности в гиперпространстве». Как и в случае адапта ции на уровне содержания, для реализации задач адаптации требуется опи сание содержания документов.

Различают следующие пять целей адаптации навигации: глобальное ру ководство, локальное руководство, локальная ориентация, глобальная ори ентация и управление индивидуализированными представлениями в ин формационных пространствах [16, 17]. Рассмотрим их более подробно.

1. Глобальное руководство (global guidance) можно обеспечить в гипер медиа-системах, в которых пользователи имеют некоторую «глобальную»

информационную цель (т. е. нуждаются в информации, которая содержится в одном или нескольких узлах где-нибудь в гиперпространстве) и про смотр — способ нахождения требуемой информации. Цель методов гло бального руководства состоит в том, чтобы помочь пользователю найти самый короткий путь к информационной цели с минимальным блужданием.

104 Программные средства и математические основы информатики Глобальное руководство — основная цель адаптивной навигационной поддержки в информационно-поисковых гипермедиа-системах, а также важная цель в информационных и справочных системах с достаточно боль шим гиперпространством. Информационная цель пользователя, которая обычно полностью или частично предоставляется пользователем — основ ная характеристика пользователя для адаптивного руководства.

Наиболее полный метод обеспечения глобального руководства состоит в том, чтобы на каждом шаге просмотра предлагать пользователю ссылку для дальнейшего перехода (т. е. применять технологию полного руководства).

Более поддерживающий метод состоит в применении технологии адаптив ной сортировки: все ссылки от данного узла сортируются в соответствии с релевантностью глобальной цели (наиболее релевантные — сначала). При этом пользователи все еще имеют возможность перехода по первой наибо лее релевантной ссылке, но также имеют некоторую информацию (реле вантность других ссылок), чтобы сделать свободный выбор.

2. Локальное руководство (local guidance). Цель методов локального ру ководства состоит в том, чтобы помочь пользователю сделать один навига ционный шаг, предлагая ссылки от текущего узла, наиболее подходящие для перехода. Эта цель отчасти подобна цели глобального руководства, но более «скромна». Методы локального руководства не предполагают гло бальную цель для обеспечения руководства. Они делают указание согласно предпочтениям, знанию и подготовке пользователя — что наиболее важно для данной прикладной области. Например, подходящий метод локального руководства для ИП гипермедиа и сетевых информационных систем — это сортировка ссылок согласно предпочтениям и подготовке пользователя.

Методы, используемые в гипермедиа-системах обучения: сортировка ссылок согласно знанию пользователя и полное руководство в соответствии со знанием пользователя. Последний метод обычно применяется для выбо ра наиболее подходящей задачи из набора задач, доступных из текущего пункта.

3. Поддержка локальной ориентации (local orientation support). Цель ме тодов поддержки локальной ориентации состоит в том, чтобы помочь поль зователю в локальной ориентации (т. е. помочь пользователю понять, что находится вокруг и какова его относительная позиция в гиперпространст ве). Существующие адаптивные гипермедиа-системы осуществляют под держку локальной ориентации двумя различными способами: предоставляя дополнительную информацию об узлах, доступных от текущего узла (ис пользование технологии аннотирования), и ограничивая число навигацион ных возможностей для уменьшения познавательной перегрузки, позволив Касьянов В.Н., Касьянова Е.В. Дистанционное обучение пользователям сфокусироваться на анализе наиболее релевантных ссылок (использование технологии сокрытия).

Методы, основанные на технологии сокрытия, имеют ту же самую идею: скрыть от пользователя все ссылки (или от индекса, или от локально го узла), которые не подходят ему в данный момент, или, другими словами, показывать только релевантные ссылки (соответствующие знанию, цели, опыту или предпочтениям пользователя). Другой метод, основанный на опыте пользователя в данном гиперпространстве, состоит в том, чтобы по казывать пользователям тем больше ссылок, чем больше опыта они имеют в гиперпространстве.

В гипермедиа-системах обучения применяются два специфичных мето да, основанных на технологии сокрытия: смысл первого метода состоит в сокрытии ссылок к узлам, которые пользователь не готов еще изучить, а второго — к узлам, которые принадлежат целям обучения последующих уроков и не принадлежат текущей цели обучения.

Цель методов, основанных на технологии аннотирования, состоит в том, чтобы информировать пользователя о текущем «состоянии» узлов за видимыми ссылками. Аннотирование может использоваться, чтобы пока зать несколько градаций релевантности ссылки или несколько уровней зна ния пользователем узлов за аннотируемыми ссылками, а также чтобы выде лить ссылки, соответствующие текущей цели, и затемнить несоответст вующие.

Методы поддержки локальной ориентации не руководят пользователем непосредственно, но обеспечивают помощь в понимании того, что является ближайшими ссылками, а также в создании обоснованного навигационного выбора.

4. Поддержка глобальной ориентации (global orientation support). Цель методов поддержки глобальной ориентации состоит в том, чтобы помочь пользователю понять структуру всего гиперпространства и свою абсолют ную позицию в нем. В неадаптивной гипермедиа эта цель обычно достига ется, обеспечивая визуальные ориентиры и глобальные карты. Адаптивная гипермедиа может обеспечить большую поддержку для пользователя, при меняя технологии аннотирования и сокрытия.

Аннотации функционируют как ориентиры: так как узел сохраняет ту же самую аннотацию, когда пользователь видит его из различных мест ги перпространства, пользователь легко может узнавать узлы, которые он встречал прежде, и понимать свою текущую позицию. Сокрытие уменьша ет размер видимого гиперпространства и может упростить и ориентацию, и обучение, обеспечивая постепенное изучение гиперпространства. Перспек 106 Программные средства и математические основы информатики тивное направление адаптивной поддержки глобальной ориентации — адаптация локальных и глобальных карт, когда сама структура карты мо жет зависеть от характеристик пользователя.

5. Управление индивидуализированными представлениями (managing personalized views). Индивидуализированные представления — способ ор ганизации электронного рабочего места для пользователей, которые нуж даются в доступе к достаточно небольшой части гиперпространства для своей повседневной работы. Каждое представление — просто список ссы лок ко всем гипердокументам, которые соответствуют конкретной рабочей цели. Классические гипермедиа-системы и современные WWW-браузеры предлагают закладки и рабочие списки как способы делать персональные представления. Более развитые системы предлагают некоторые механизмы адаптируемости более высокого уровня, основанные на метафорах и моде лях пользователя.

Адаптивные решения, т. е. управляемая системой поддержка индиви дуализированных представлений, требуются в WWW-подобных динамиче ских информационных пространствах, где объекты могут появляться, исче зать или изменяться. Для этого используются интеллектуальные агенты, которые могут регулярно искать новые релевантные объекты и распозна вать измененные объекты или объекты с истекшим сроком хранения.

4.8. Технологии поддержки адаптивной навигации Технологии адаптивной навигационной поддержки могут быть класси фицированы согласно способу, который они используют для адаптации представления ссылок. Различаются шесть технологий для адаптирования представления ссылок: полное руководство (direct guidance), сортировка ссылок (link sorting), сокрытие ссылок (link hiding), аннотирование ссылок (link annotation), генерирование ссылок (link generation) и адаптация карты (map adaptation) [13, 15, 17, 30, 35, 36].

Для сравнения этих технологий сначала следует понять, как и в каком контексте обычно представляются ссылки. Здесь мы понимаем ссылки в смысле пользователя (т. е. видимое изображение связанных страниц, к ко торым пользователь может перейти). Определим четыре вида представле ния ссылок, которые отличаются тем, что в них может быть изменено и адаптировано [17]:

(1) локальные неконтекстные (контекстно-независимые) ссылки. Этот тип включает все виды ссылок на обычных гипермедиа-страницах, которые не зависят от содержания страницы. Они могут выглядеть как список, набор Касьянов В.Н., Касьянова Е.В. Дистанционное обучение кнопок или всплывающее меню. Этими ссылками просто управлять — они могут быть отсортированы, скрыты или аннотированы;

(2) контекстные (контекстно-зависимые) ссылки или «настоящие ги пертекстовые» ссылки. Этот тип включает «горячие слова» (слова, связы вающие текст с объектом) в текстах, «горячие точки» в изображениях и другие виды ссылок, которые встроены в контекст содержания страницы и не могут быть удалены из него. Эти ссылки могут быть аннотированы, но не могут быть отсортированы или полностью скрыты;

(3) ссылки индексов и страниц содержания. Индекс или страница со держания может рассматриваться как специальный вид страницы, который содержит только ссылки. Эти ссылки обычно представляются в фиксиро ванном порядке (порядок содержания для страниц содержания и алфавит ный порядок для страниц индексов). Как правило, ссылки с индексов и страниц содержания контекстно-независимые, если страница не реализова на в форме изображения;

(4) ссылки на локальных и глобальных картах гиперпространства. Кар ты обычно графически представляют гиперпространство или локальную область гиперпространства как сеть узлов, связанных стрелками. При ис пользовании карт пользователь может прямо перейти ко всем узлам, види мым на карте, просто «щелкая» по изображению желаемого узла. С навига ционной точки зрения, эти изображения узлов — именно то, что мы пони маем под ссылками, в то время как стрелки, служащие изображением ссы лок, не используются для прямой навигации.

Полное руководство, сортировка, сокрытие, аннотирование и адаптация карты, рассмотренные ниже, — основные технологии для адаптивной нави гационной поддержки. Большинство из существующих технологий адапта ции используют ровно один из этих способов для обеспечения адаптивной навигационной поддержки. Однако эти технологии не противоречивы и могут использоваться в комбинациях. В частности, технология полного ру ководства может легко использоваться в комбинации с любой другой тех нологией. Рассмотрим основные технологии поддержки адаптивной нави гации более подробно.

1. Полное руководство (direct guidance) — наиболее простая технология адаптивной навигационной поддержки. Полное руководство может приме няться в любой системе, которая может решить, какой следующий «наи лучший» узел для посещения пользователем в соответствии с целью поль зователя и другими параметрами, представленными в модели пользователя.

Ссылка предоставляется к той странице, которую система считает наиболее подходящей для следующего перехода пользователя.

108 Программные средства и математические основы информатики Различаются два метода полного руководства: метод «следующего наи лучшего» (next best), который предполагает предоставление кнопки «next»

для дальнейшей навигации через гиперпространство, и метод установления последовательности страниц или следа (page sequencing or trails), который предполагает генерирование последовательности страниц для просмотра всей гипермедиа-системы или ее части.

Полное руководство может использоваться со всеми четырьмя видами представления ссылок, перечисленных выше, но оно вряд ли может быть основной формой навигационной поддержки, поскольку не обеспечивает никакой помощи для пользователей, которые не хотели бы следовать указа ниям системы.

2. Адаптивная сортировка (упорядочение) ссылок (adaptive sorting (ordering) of links) — технология, которая вместо одной «наилучшей» ссыл ки предоставляет список ссылок, упорядоченный по убыванию релевантно сти, в соответствии с моделью пользователя.

Различаются два метода сортировки: метод сортировки по подобию (similarity sorting), когда ссылки сортируются, исходя из их подобия данной странице, и метод предварительных знаний (prerequisite knowledge), когда ссылки упорядочиваются согласно предварительно необходимым знаниям.

Адаптивное упорядочение имеет ограниченную применимость: оно мо жет использоваться только с контекстно-независимыми ссылками. Другая проблема с адаптивным упорядочением состоит в том, что эта технология делает порядок ссылок неустойчивым: он может изменяться каждый раз при входе пользователя на страницу. В то время как некоторые недавние исследования показали, что устойчивый порядок параметров в меню важен для начинающих. Тем не менее эта технология полезна для приложений информационного поиска.

3. Адаптивное сокрытие ссылок (adaptive link hiding) — в настоящее время наиболее часто используемая технология для адаптивной навигаци онной поддержки. Идея навигационной поддержки с помощью сокрытия состоит в том, чтобы ограничить навигационное пространство, скрывая ссылки к «нерелевантным» страницам. Страница может рассматриваться как нерелевантная по нескольким причинам: например, если она не связана с текущей целью пользователя или если она представляет материал, кото рый пользователь не готов еще понять. Сокрытие защищает пользователей от запутанности неограниченного гиперпространства и уменьшает их по знавательную перегрузку, также оно более понятно пользователю и выгля дит более «стабильно» для них, чем адаптивное упорядочение.

Касьянов В.Н., Касьянова Е.В. Дистанционное обучение Различают следующие три вида сокрытия ссылок: сокрытие ссылок (link hiding), удаление ссылок (link removal) и отключение ссылок (link dis abling) [17], [30].

Адаптивное сокрытие ссылок делает анкер ссылки неотличимым от нормального текста. Сокрытие имеет широкую применимость: оно может использоваться со всеми видами контекстно-независимых, индексных ссы лок и ссылками карт с помощью реального сокрытия кнопок или пунктов меню и с контекстно-зависимыми ссылками, превращая «горячие слова» в обычный текст.

Адаптивное удаление ссылок удаляет анкер ссылки для нерелевантных ссылок. Это может быть выполнено только тогда, когда окружающий ссыл ку текст таков, что он не становится бессмысленным после удаления ссыл ки. Хотя адаптивное удаление ссылок эффективно сокращает число навига ционных шагов, предварительные оценки показывают, что пользователям не нравится эта технология.

Адаптивное отключение ссылок предполагает удаление функциональ ных возможностей ссылки без удаления текста ссылки. Отключение ссылки часто объединяется с сокрытием ссылки, потому что, если вид анкера оста ется, но ссылка не «работает», пользователь может подумать, что это ошиб ка в системе. Пользователям не нравится адаптивное отключение ссылок, но все же они предпочитают его адаптивному удалению ссылок.

4. Адаптивное аннотирование ссылок (adaptive link annotation) — тех нология, смысл которой состоит в пополнении ссылок некоторыми коммен тариями, чтобы дать пользователю подсказку относительно содержания страницы за аннотируемыми ссылками. Аннотации могут быть представле ны в текстовой форме или в форме визуальных подсказок, например, ис пользуя различные значки, цвета или размеры шрифтов.

Наиболее популярный способ аннотирования ссылок — использование метафоры светофора (traffic light metaphor). Ссылка аннотируется цветной точкой: красная точка перед ссылкой указывает, что у пользователя недос таточно знаний для понимания этой страницы, таким образом, страница не рекомендуется для чтения. Желтая точка означает, что страница не реко мендуется для чтения, эта рекомендация менее строга, чем в случае красной точки. Зеленая точка ставится перед ссылками на страницы, рекомендуе мыми для чтения. Серая точка указывает пользователю, что содержание этой страницы уже известно. Существуют и другие варианты.

Типичный вид аннотирования, рассматриваемый в традиционной ги пермедиа — статическое (независимое от пользователя) аннотирование.

Адаптивное аннотирование в самой простой, основанной на предыстории 110 Программные средства и математические основы информатики форме (выделение ссылок к ранее посещенным узлам) применяется в неко торых гипермедиа-системах, включая большинство WWW-браузеров. Те кущие адаптивные гипермедиа-системы могут различать и аннотировать по разному до шести состояний на основе модели пользователя.

Аннотирование может использоваться со всеми четырьмя возможными типами ссылок. Эта технология поддерживает стабильный порядок ссылок и избегает проблем с формированием неправильных ментальных карт. Ан нотирование — более мощная технология, чем сокрытие: сокрытие может различать только два состояния узлов — уместные и неуместные, в то вре мя как аннотирование — до шести состояний, в частности, несколько уров ней релевантности. Эксперименты привели к заключению, что адаптивное аннотирование ссылок является полезным для сокращения числа навигаци онных шагов и в улучшении понимания учебного материала.

5. Адаптивное генерирование ссылок (adaptive link generation). Рост сис тем рекомендаций делает необходимым различать два по существу различ ных способа адаптивной навигационной поддержки: адаптация ссылок, представленных на странице во время разработки гиперпространства, и ге нерирование новых (неразработанных) ссылок для страницы. Генерирова ние ссылок включает три случая: обнаружение новых полезных ссылок ме жду документами и добавление их к постоянному набору существующих ссылок, генерирование ссылок для навигации между элементами, основан ной на подобии, и динамическая рекомендация релевантных ссылок.


Адаптивное генерирование ссылок было описано в [17] как новая тех нология адаптивной навигационной поддержки высокого уровня. Эта тех нология может использоваться вместе с другими технологиями типа анно тирования и сортировки.

6. Адаптация карты (map adaptation) — технология, которая включает различные пути адаптации формы глобальных и локальных гипермедиа карт (графические представления структуры ссылок), предоставляемых пользователю. Карты могут быть адаптивно фильтрованы, чтобы обеспе чить представление частей гипердокумента, которые релевантны для поль зователя. Такие технологии, как полное руководство, сокрытие и аннотиро вание, могут использоваться для адаптации гипермедиа-карты, но все эти технологии не изменяют форму или структуру карт.

Касьянов В.Н., Касьянова Е.В. Дистанционное обучение 5. АРХИТЕКТУРА АДАПТИВНОЙ ГИПЕРМЕДИА-СИСТЕМЫ На абстрактном уровне в любой адаптивной гипермедиа-системе можно выделить следующие три основные взаимодействующие компоненты [37, 100].

• Модель предметной области (domain model), которая описывает, как структурировано информационное содержимое приложения (или гипердокумента). Эта модель должна указывать, какие имеются отношения между концептами и как концепты привязаны к инфор мационным фрагментам и страницам.

• Модель пользователя (user model), которая представляет пользова тельские предпочтения, знания, цели, историю навигации и другие относящиеся к пользователю характеристики. Система узнает до полнительную информацию о характеристиках пользователя, от слеживая его поведение. Одновременно система должна делать за ключения о том, как изменяются соответствующие характеристики пользователя во время использования пользователем данного при ложения.

• Модель обучения (teaching model), называемая также моделью адап тации (adaptation model), которая позволяет осуществить необходи мые адаптации системы, например, с помощью так называемых пе дагогических правил (pedagogical rules) или правил адаптации (adap tation rules).

Следует отметить, что в большинстве существующих адаптивных сис тем указанные три составляющих не являются разделенными, что связано со следующими причинами [37, 100].

1. Отношения между страницами и концептами иногда слишком неоп ределены. Когда две страницы представляют 30% одного и того же концеп та каждая, нет способа понять вместе они представляют 30%, 60% или лю бое другое значение между ними. В других системах это отношение строго взаимно однозначно, что приводит к большой фрагментации пользователь ской модели без концепций высокого уровня.

2. Часто педагогические правила не могут быть определены на концеп туальном уровне, поскольку они связаны со ссылками или (условными) тек стовыми фрагментами, и поэтому должны специфицироваться в терминах реальных информационных страниц.

3. Имеется определенное несоответствие между высоким уровнем со ставляющих пользовательской модели и мало надежной информацией, на основании которой система должна изменять эту модель. Основная инфор 112 Программные средства и математические основы информатики мация, которая доступна большинству систем — это время, на которое за требовал пользователь некоторую страницу. Поэтому часто пользователь ская модель является ненадежной только в силу того, что система получает ненадежные входные данные. Многие обучающие системы компенсируют данную ненадежность с помощью различных тестов.

Помимо трех моделей (предметной области, пользователя и адаптации) адаптивная гипермедиа система может содержать так называемый механизм адаптации (adaptive engine). Это — реальный программный продукт, яв ляющийся частью системы, который используется ею для конструирования и адаптации содержимого и ссылок. Механизм поддерживает некоторую библиотеку функций для конструирования информационных страниц из фрагментов, основанных на элементах из моделей предметной области, пользователя и адаптации. Имеется язык (обычно довольно простой) для выбора «конструктора» для использования. Некоторые механизмы адапта ции могут поддерживать способ определения новых конструкторов или расширения существующих. Однако, достаточно мощный механизм должен поддерживать достаточно стандартную функциональность для облегчения потребностей авторов явно специфицировать новые конструкторы в боль шинстве приложений. Механизм адаптации также изменяет пользователь скую модель, отслеживая поведение пользователя и, таким образом, прини мая во внимание, как изменяются пользовательские знания.

5.1. Модели предметной области Модель предметной области дает описание предметной области на кон цептуальном уровне и представляет собой совокупность объектов (концеп тов и межконцептных отношений), каждый из которых имеет уникальное имя.

Концепты — это абстрактные объекты, используемые для представле ния элементов информации предметной области. Существуют концепты нижнего уровня или атомарные концепты, которые соответствуют одному фрагменту информации, и концепты высшего уровня или составные кон цепты, которые состоят из множества других концептов [35, 37, 96, 99, 100].

Атомарные концепты являются первичными в модели и могут не под вергаться адаптации. Их атрибутные и анкерные значения принадлежат «внутрикомпонентному уровню» и таким образом являются зависимыми от реализации и не описываемыми в модели. Составные концепты имеют два специальных атрибута: последовательность детей (концептов) и функция Касьянов В.Н., Касьянова Е.В. Дистанционное обучение конструктора (для обозначения, как дети соединяются). Если все дети неко торого концепта атомарны, то такой концепт называют страницей (рис. 2).

Рис. 2. Часть иерархии концептов Межконцептные отношения представляют различные отношения меж ду двумя или более концептами. Например, часто используются следующие типы бинарных отношений между парами концептов (рис. 3):

• тип часть (part-of) — это композиционное отношение, которое оз начает, что первый концепт представляет часть второго;

• тип связь (link) означает, что существует связь первого концепта со вторым (например, в виде гиперссылки);

• тип предпосылка (prerequisite) означает, что первый концепт должен быть предварительно изучен до изучения второго концепта;

• тип блокиратор (inhibitor) означает, что первый концепт не должен изучаться до тех пор, пока не будет изучен второй.

Межконцептные отношения могут иметь атрибуты. Например, припи сывая некоторое вещественное число из интервала [0,1] тому или другому бинарному отношению, можно указать:

• для отношения типа часть, какую часть второго концепта пред ставляет первый концепт;

114 Программные средства и математические основы информатики • для отношения типа предпосылки, как много знаний о первом кон цепте должно быть у пользователя, чтобы информация о втором концепте становилась желаемой;

• для отношения типа блокировки, какую границу знаний о первом концепте должны превысить знания пользователя, чтобы стало не желательным получение знания о втором концепте.

Рис. 3. Пример структуры межконцептных отношений Можно выделить три типа моделей предметной области, различающих ся по уровню сложности структуры [14].

• Самую простую структуру имеет модель первого уровня, являющая ся независимым множеством концептов (отсутствуют межконцепт ные отношения).

• Модель второго уровня (сетевая модель предметной области) пред полагает наличие связей между концептами и представляет собой семантическую сеть, состоящую из концептов и межконцептных от Касьянов В.Н., Касьянова Е.В. Дистанционное обучение ношений. Может существовать несколько типов концептов и меж концептных отношений.

• Модель третьего уровня (фреймовая модель предметной области) предполагает наличие у концептов внутренней структуры в виде множества атрибутов, при этом концепты различных типов могут иметь различные множества атрибутов.

Одной из самых важных функций модели предметной области является обеспечение структуры для представления знаний пользователя системой.

Адаптивные гипермедиа-системы можно подразделить на три основные группы в зависимости от метода организации связи между моделью пред метной области (концептами) и гиперпространством системы (гипермедиа страницами) [14].

• Самый простой метод — это индексация страниц концептами, отно сящимися к содержимому этих страниц;

он может применяться даже для моделей предметной области первого уровня.

• Второй метод, похожий на предыдущий, это — индексация фраг ментов: содержимое страницы разбивается на множество фрагмен тов, каждый из которых отдельно индексируется множеством кон цептов, относящихся к содержимому данного фрагмента. При раз биении на относительно небольшие фрагменты каждый фрагмент индексируется ровно одним концептом. Этот метод также можно использовать в моделях предметной области первого уровня.

• Третий метод (прямая связь) отличается от предыдущих методов тем, что для страниц не поддерживаются индексы;

гиперпростран ство адаптивной гипермедиа-системы строится непосредственно ис ходя из структуры модели предметной области. Таким образом, ка ждый концепт модели представлен гипермедиа-страницей или ги пердокументом, а отношения между концептами соответствуют ги перссылкам между страницами. Страница или документ, представ ляющий концепт, могут быть как статическими, так и динамически ми: т.е. генерироваться налету, исходя из внутренней структуры концепта. Последний метод является самым мощным из всех выше перечисленных, однако он требует использования модели предмет ной области второго, а лучше третьего уровня.


5.2. Модели пользователя Модель пользователя адаптивной гипермедиа-системы предполагает яв ное представление знаний, предпочтений, целей, интересов, истории нави 116 Программные средства и математические основы информатики гации и других характеристик пользователя и служит для адаптации к поль зователю различных аспектов адаптивной гипермедиа-системы. Модель пользователя состоит из именованных элементов, для которых хранится набор пар вида атрибут-значение (компонентов модели пользователя). На концептуальном уровне можно представлять модель пользователя в виде табличной структуры, в которой для каждого элемента хранятся значения атрибутов. Большинство элементов в модели пользователя представляют концепты модели предметной области. Некоторые другие элементы могут представлять различные аспекты пользователя, такие как цели, предпочте ния, интересы или стереотипную классификацию (типа новичок, эксперт) и т.д. [35, 37, 96, 99, 100].

Можно классифицировать модели пользователей согласно следующим основным свойствам.

• Способ получения информации: явный или неявный. При явном спо собе система в явном виде запрашивает у пользователя информа цию, необходимую для создания и обновления модели. Альтерна тивный подход, при котором система сама и незаметно для пользо вателя конструирует модель пользователя, отслеживая и анализируя взаимодействия с пользователем (например, историю навигации) для выведения различных предположений о пользователе, необхо димых для построения его модели.

• Степень специализации модели: общие или индивидуальные модели.

Общая модель предполагает наличие одной модели для всех пользо вателей системы, она используется в тех случаях, когда система предназначена для эксплуатации однородной группой пользовате лей. Индивидуальная модель принимает во внимание персональные особенности пользователей, и поддерживается своя для каждого пользователя. Стереотипная модель является способом комбиниро вания двух вышеперечисленных моделей: стереотип — набор харак теристик, связанных друг с другом, определяющий некоторый класс пользователей.

• Модифицируемость модели: статические или динамические моде ли. В то время как статическая модель сохраняет характеристики пользователя, динамическая модель постоянно обновляется по мере получения новой информации в течение сеанса взаимодействия с пользователем.

• Временная протяженность: краткосрочные или долгосрочные мо дели. В отличие от краткосрочных моделей, долгосрочные модели Касьянов В.Н., Касьянова Е.В. Дистанционное обучение сохраняются от одного сеанса взаимодействия с пользователем до другого.

• Метод использования модели: дескриптивные или прескриптивные модели. Более традиционным является дескриптивное использова ние модели пользователя, когда модель пользователя — просто база данных, содержащая информацию о пользователе, у которой систе ма может запрашивать текущие данные о пользователе. Прескрип тивное использование модели предполагает, что система моделирует (имитирует) пользователя для проверки интерпретации ответа поль зователем.

Модель пользователя хранит информацию об индивидуальном пользо вателе. Дискуссии о моделировании пользователя можно найти в [60, 65].

Различаются два основных типа техник, моделирующих пользователя: мо делирование перекрытий и моделирование стереотипного пользователя.

5.2.1. Моделирование перекрытий Оверлейное моделирование или моделировании перекрытий (overlay modeling) [47] чаще всего используется в интеллектуальных системах обу чения для моделирования знаний, при этом знания пользователя описыва ются как подмножество знаний эксперта в данной области, отсюда сам тер мин «перекрытие» («оверлей»). Недостаток знаний обучающегося выводит ся посредством сравнения их со знаниями эксперта.

Для каждого концепта модели предметной области в модели знаний пользователя вычисляется и сохраняется некоторое значение (или несколь ко значений), оценивающее уровень знания пользователем этого концепта (оверлейная модель). Оверлейная модель знаний (overlay model) может быть представлена как множество пар «концепт — значения атрибутов».

Следующие атрибуты обычно используются для обозначения уровня знаний концепта пользователем [96, 99, 100].

• «Значение знания» (или просто значение) показывает уровень зна ния концепта пользователем. Все пары концепт-значение вместе формируют оверлейную модель, которая представляет «знания»

пользователя. Некоторые адаптивные гипермедиа-системы исполь зуют булеву модель пользователя, в которой для каждого концепта определено, знает или не знает пользователь концепт. Другие ис пользуют небольшой набор значений, например «не известен», «изучен», «хорошо изучен» и «известен», или большой набор (на пример, проценты).

118 Программные средства и математические основы информатики • Атрибут «чтения» показывает, просматривал (читал, изучал) ли пользователь какую-нибудь информацию (фрагмент, страницу или набор страниц) о концепте. В Web-системах атрибут чтения исполь зуется, чтобы генерировать различное представление для гиперссы лок к посещенным и непосещенным страницам (по умолчанию это фиолетовый и синий цвета). Атрибут чтения может иметь булевы значения в некоторых адаптивных гипермедиа-системах, в то время как в других это может быть список времен доступа.

• Менее распространенный атрибут — это «готовность для чтения», который показывает, готов ли пользователь для просмотра и изуче ния информации об этом концепте (это означает, например, что пользователь уже приобрел достаточное количество предварительно необходимых знаний).

Использование оверлейной модели особенно целесообразно, когда ма териал обучения может быть представлен в виде иерархии предварительных условий. Критичным в ее использовании является начальная оценка уровня знаний пользователя, поскольку количество наблюдений для достаточной оценки знаний должно быть небольшим.

Как уже было сказано выше, в рамках модели перекрытий предполага ется, что знание пользователя составляет некоторое подмножество знания эксперта, и цель обучения состоит в расширении этого подмножества. Мо дель также предполагает, что пользователь не будет изучать того, чего не знает эксперт. В частности, не принимаются во внимание неправильные представления и заблуждения, изначально имеющиеся у пользователя, или приобретенные им в процессе обучения. Второй недостаток оверлейной модели заключается в том, что нет механизма для разграничения знаний, которые пользователь еще не приобрел, и знаний, которые еще не были ему представлены, что имеет смысл для стратегии обучения.

Дифференциальная модель (differential model) является расширением оверлейной модели, которое предполагает разделение знания предметной области на представленное и не представленное пользователю. Оверлейная модель применяется к тому знанию, которое уже представлено пользовате лю. В отличие от оверлейной, дифференциальная модель принимает во внимание неправильные представления и ошибки пользователя.

Пертурбационная модель (pertubation model) принимает во внимание знания, которыми обладает пользователь, но которые не представлены в модели знания эксперта предметной области. Пертурбационная модель расширяет модель эксперта добавлением библиотеки ошибок (bug library).

Процесс ее создания может быть перечисляющим или порождающим. Пе Касьянов В.Н., Касьянова Е.В. Дистанционное обучение речисляющий процесс составляет список всех возможных неправильных представлений с помощью анализа предметной области и ошибок, которые допускает пользователь. Порождающий метод пытается генерировать ошибки исходя из лежащей в основе теории познания. Оверлейная модель может быть применена поверх комбинированной модели эксперта и биб лиотеки ошибок. Как и для простой оверлейной модели, цель обучения — увеличить подмножество знания эксперта при исключении неправильных представлений.

5.2.2. Моделирование стереотипного пользователя Стереотипное моделирование (stereotype modeling) — один из первых методов в области моделирования пользователя [81], который классифици рует пользователей по стереотипам. Предполагается, что пользователи, от носящиеся к одному классу, имеют одни и те же характеристики. Класси фикация по стереотипам может быть проведена для каждого адаптационно го признака. Этот метод целесообразно использовать в случаях, когда тре буется быстрая, но не обязательно правильная оценка пользователя.

Можно определить стереотип как набор некоторых взаимосвязанных характеристик, присущих всем членам определенной подгруппы пользова телей. Стереотипная модель различает несколько типичных (или «стерео типных») пользователей, например, «новичок», «средний», «эксперт» и т.п.

В процессе моделирования пользователи образуют разные группы, причем каждый пользователь ассоциируется с одним стереотипом или нескольки ми. При этом предполагается, что пользователи, принадлежащие к одной группе, имеют одинаковые характеристики, присущие данной группе. Сте реотипная классификация может быть использована для каждого аспекта адаптации.

Стереотипная модель может быть представлена как множество пар «сте реотип—значение», где значением может быть «истина» или «ложь» (озна чающее, принадлежит ли пользователь данному стереотипу).

При использовании стереотипной модели иногда полезно различать два типа стереотипного моделирования: фиксированное моделирование и моде лирование по умолчанию. При фиксированном моделировании обучаемые ассоциируются с предопределенными стереотипами на базе их представле ния. Стереотипное моделирование по умолчанию — более гибкий подход: в начале сессии обучаемые ассоциируются со стандартными стереотипами, но затем, по ходу процесса обучения, установки начальных стереотипов постепенно заменяются более индивидуальными установками.

120 Программные средства и математические основы информатики Кроме характеристик подгрупп пользователей, стереотипы могут со держать так называемые триггеры (инициирующие условия), которые пред ставляют ключевые характеристики, позволяющие идентифицировать поль зователя как принадлежащего к соответствующей подгруппе пользователей.

Триггеры могут относиться к текущим пользовательским характеристикам, эксплуатационным характеристикам (например, истории навигации), дан ным окружения (например, данным о конфигурации, оборудовании). Сте реотипы применяются к пользователю, если они назначены «вручную» или если их триггеры совпадают с доступной информацией о пользователе (ав томатическая классификация). В результате, все характеристики соответст вующего стереотипа приписываются пользователю.

Суммируя вышесказанное, можно представить стереотип состоящим из следующих частей:

• множества инициирующих условий (триггеров), являющихся логи ческими выражениями, активирующими стереотип;

• множества условий отвода (ретракций), которые ответственны за деактивацию активного стереотипа;

• множества предположений (выводов) стереотипа, которые служат предположениями по умолчанию при связывании пользователя со стереотипом.

Можно сформулировать три этапа, которые нужно выполнить при раз работке стереотипов:

• определение подгрупп пользователей: необходимо выделить внутри группы пользователей подгруппы, члены которых имеют некоторые однородные характеристики;

• идентификация ключевых характеристик: требуется определить не большое число ключевых характеристик, позволяющих идентифи цировать членов подгруппы пользователей (присутствие или отсут ствие этих характеристик должно быть распознаваемо системой);

• представление в виде (иерархически упорядоченных) стереотипов:

требуемые характеристики определенных групп пользователей должны быть формализованы в подходящей системе представле ния. Совокупность представленных характеристик подгруппы поль зователей называется «стереотипом» этой подгруппы. Если содер жимое одного стереотипа образует подмножество содержимого другого, может быть построена иерархия стереотипов, в которой содержимое стереотипа более высокого уровня наследуется стерео Касьянов В.Н., Касьянова Е.В. Дистанционное обучение типом более низкого уровня и таким образом представлено один раз.

При использовании стереотипного моделирования может возникнуть следующая проблема: стереотипы могут быть так специализированы, что будут состоять только из одного пользователя, или пользователь вообще не сможет быть классифицирован.

Можно определить четыре модели согласно типу организации связи ме жду стереотипами: луковая (многоуровневая) модель, летисная модель, многоядерная летисная модель, ориентированный ациклический граф.

• Многоуровневая (или луковая) модель (onion model) — это иерархиче ская модель, в которой содержимое стереотипов линейно упорядочено по отношению быть подподмножеством. Пользователи, принадлежа щие к некоторому стереотипу S, наследуют все знание, ассоциирован ное с более общими стереотипами, чем S (наследование без исключе ний). В качестве примера можно привести классификацию пользовате лей, в которой «новички» знают подмножество концептов А;

«продви нутые» пользователи имеют знание новичков, но они также знают кон цепты из подмножества B;

наконец, «эксперты» знают концепты из A, B и C.

• Летисная (или салатная) модель (lettuce model) характеризуется нали чием стереотипа-ядра, содержимое которого является подмножеством содержимого всех других стереотипов, которые в остальном могут быть независимы друг от друга. Эта модель часто используется для пред ставления знаний пользователей программных систем подобных ко мандам UNIX: пользователи владеют только относительно небольшим множеством основных команд и рядом функционально связанных ко манд (например, для управления файловой системой, электронной по чтой и т.д.).

• Многоядерная летисная (или многоядерная салатная) модель (multikernel lettuce model) является обобщением летисной модели, в ко тором допускается существование нескольких ядер, являющихся пере сечениями некоторых стереотипов.

• Ориентированный ациклический граф (DAG) является обобщением многоядерной модели, в котором допускается существование общих частей у двух или более ядер, которые также представляются ядрами, и т.д. В результате получается иерархия стереотипов, в которой каждый узел может иметь больше одного узла высшего уровня.

122 Программные средства и математические основы информатики 5.3. Модели адаптации Модель адаптации описывает, как должна происходить адаптация в за висимости от моделей пользователя и предметной области. Она состоит из правил адаптации, которые формируют связь между моделью предметной области и моделью пользователя и определяют представление генерируе мой информации и обновление модели пользователя [35, 37, 99, 100].

Обычно правило содержит две основные части: условие, при котором происходит срабатывание данного правила, и трансформация — описание того действия, которое задается данным правилом. Условие может предпо лагать возникновение некоторого внешнего события (такие правила назы ваются ECA-правилами, в отличие от CA-правил, в которых условие — это просто логическое выражение), например, обращения к странице, а также истинность некоторого логического выражения, построенного над значе ниями атрибутов из моделей пользователя и предметной области и прове ряемого в те моменты, когда событие возникает. Действие может состоять в модификации значений атрибутов в модели пользователя или в присваива нии объекту спецификации представления. Также, в правиле может быть «фаза» выполнения, указывающая на момент времени, в который должно применяться правило: до или в течение генерации (фаза “pre”) и после гене рации страницы (фаза “post”). Основанием для наличия двух стадий выпол нения является то, что сначала может потребоваться осуществить некото рую адаптацию, основываясь на «текущем» состоянии модели пользователя (фаза “pre”), а затем модифицировать модель пользователя после генерации представления страницы (фаза “post”). Также в правиле может быть опреде лено, может ли оно инициировать запуск других правил или нет.

Как показано в работе [8], многие из реальных приложений используют такие ECA-правила, в которых логические выражения принимают истинные значения в точности тогда, когда возникают события, составляющие усло вия данных правил;

такие правила получили название квази-CA-правил.

Все правила адаптации подразделяются [98] на родовые или обобщенные правила (generic rules) и специфические или конкретные правила (specific rules). В отличие от обобщенных правил, которые применимы ко всем кон цептам и всем межконцептным отношениям некоторого заданного типа и используют связанные переменные для представления в них концептов и межконцептных отношений, специфические правила описывают преобразо вания для конкретных концептов, множеств концептов и межконцептных отношений и не используют переменных. Специфические правила имеют Касьянов В.Н., Касьянова Е.В. Дистанционное обучение приоритет над обобщенными правилами, и таким образом, они используют ся для определения исключений в общих правилах.

В качестве примера можно привести два простых правила, написанных с использованием произвольно выбранного синтаксиса.

Например, следующее правило определяет, что при обращении к стра нице для соответствующего концепта в модели пользователя устанавлива ется атрибут «чтение» равным истине в фазе “post”:

access(C) = C.read:= true;

post;

true Правило также утверждает, что оно запустит другие правила, которые имеют атрибут «чтения» (C.read:= true) в своей левой части.

Другой пример. Следующее правило выражает, что когда пользователь обращается к странице, определяющей концепт, «готовый для чтения», то значение знания для этого концепта становится «изученным» в фазе “pre”:

(access(C) & C.ready-to-read = true) = C.knowledge-value:=learned;

pre;

true Одной из важных проблем, возникающих при построении модели адап тации, является обеспечение таких свойств систем правил адаптации, как нетеровость и завершаемость [5], позволяющих не следить за порядком применения правил адаптации (с помощью механизма адаптации).

6. ПРИМЕРЫ АДАПТИВНЫХ ГИПЕРМЕДИА-СИСТЕМ Много интересных адаптивных гипермедиа-систем для обучения было разработано в начале 90-х годов прошлого столетия. Интерес, вызванный развитием дистанционного Web-обучения, заметно усилил эти исследова ния, увеличив количество и типы разрабатываемых систем. Все первые сис темы были в значительной степени лабораторными, построенными исклю чительно для исследования тех или иных методов адаптации в контексте обучения. В отличие от них, ряд более современных систем обеспечивает среды и авторизованные инструменты для разработки Web-курсов. Появле ние большого числа авторизованных инструментов демонстрирует зрелость адаптивной обучающей гипермедиа и является ответом на Web спровоцированным запросом на адаптивных к пользователям дистанцион ных учебных курсов.

Выбор Web в качестве платформы разработки адаптивных гипермедиа стал стандартом. Этот выбор дал долгую жизнь ряду основанных на Web адаптивных учебных гипермедиа-систем, разработанных до 1996 г., таких 124 Программные средства и математические основы информатики как ELM-ART, InterBook и 2L670. Эти системы были существенно модифи цированы после 1996, расширены большим числом новых технологий и использованы для ряда экспериментальных исследований. Не удивительно, что почти все адаптивные учебные гипермедиа-системы, разработанные после 1996 г., являются Web-системами.



Pages:     | 1 | 2 || 4 | 5 |   ...   | 7 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.